Farina in Natura¶

Relatório - Análise de dados operacionais - ano 2022¶

O método utilizado para a análise dos dados do estabelecimento Farina in Natura foi a análise de dados exploratória. Isso significa que foram realizadas diversas técnicas estatísticas para explorar e compreender melhor os dados, a fim de obter informações relevantes sobre os acontecimentos passados do estabelecimento.

O período analisado foi 01 fevereiro de 2022 a 31 de Outubro 2022

Primeiras descobertas¶

Na análise realizada, a primeira descoberta foi uma divergência nos dados de vendas de itens e faturamento. Após uma análise mais aprofundada, foi constatado que essa divergência foi causada pela falta de entrada de dados no sistema, o que afetou especialmente a venda de croissants. Foi observado que o valor de venda dos croissants era superior ao valor correspondente à sua quantidade, o que sugere a falta de informação referente aos recheios utilizados.

Essa falta de informação é um comportamento não ideal, uma vez que deixamos de saber quais são realmente as preferências do cliente no que diz respeito aos recheios dos croissants. Isso pode afetar negativamente a tomada de decisão do estabelecimento em relação ao estoque de ingredientes, bem como na oferta de produtos mais alinhados com o gosto dos clientes.

Verificando divergência dos dados¶

Observamos na tabela acima que o valor faturado nesses itens, sempre é maior do que o valor unitário do item multiplicado por sua quantidade, o que sugere que algum adicional foi solicitado pelo cliente, mas não foi discriminado como mais um item do pedido.

Após a análise inicial dos dados do estabelecimento Farina in Natura, foi realizada a conversão dos dados brutos e a posterior limpeza das informações. Esse processo envolveu a identificação de dados incorretos ou incompletos, bem como a exclusão de variáveis que não eram relevantes para a análise.

Algumas variáveis que foram enviadas pelo cliente apresentavam uma quantidade significativa de falta de dados, o que tornava difícil a sua utilização na análise. Dessa forma, essas variáveis foram descartadas, a fim de garantir a confiabilidade dos resultados obtidos

Outras variáveis, por sua vez, foram omitidas da análise por não estarem no escopo do projeto.

Exploração dos Dados¶

Ranking dos produtos mais vendidos¶

A tabela apresentada acima contém o ranking dos itens vendidos ao longo do período de análise no estabelecimento Farina in Natura. A análise desses dados revela que os principais produtos vendidos são relacionados à panificação própria do estabelecimento, sendo que o carro-chefe é o Croissant.

Algumas métricas importantes foram observadas¶

O número de diferentes itens vendido pela loja é: 212
A média de itens por venda é: 2.79 itens
O número médio de itens vendidos por período do dia é: 
  Período  Média
0   manhã   3.05
2   tarde   2.78
1   noite   2.66

Vendas por período do dia

Itens mais vendidos mês a mês

Quantidade de itens vendidos por dia ao longo do ano

Observamos no gráfico dois pontos que chamam atenção, como destacados no próprio gráfico. Por isso iremos realizar uma análise mais minuciosa.

Para termos uma noção de como o gráfico das vendas se apresentam, excluindo-se esses pontos destacados, segue o gráfico abaixo:

Investigando dados atipicos¶

Detalhamento das vendas no dia 23 Junho 2022

Observamos um pico nas vendas no período entre as 16 e 17 horas, o que nos leva a crer que foram lançadas vendas de diversos períodos no sistema, não apenas as vendas que pertencem ao período. Essa prática leva a distorções na análise das vendas, pois não podemos realmente mensurar de quanto foram as vendas de tais itens em seu tempo de realização, temos então que excluir as vendas de tal período para prosseguirmos nossa análise.

Mais informações relevantes¶

Vendas dias de semana (DDS) vs Final de semana (FDS)¶

Vendas dia de semana(DDS)¶

O menor número de vendas em um dia de semana foi: 
1
O maior número de vendas em um dia de semana foi: 
241
O número médio de vendas em um dia de semana é: 
75.81

Vendas final de semana (FDS)¶

O menor número de vendas em um dia de fim-de-semana foi: 
65
O  maior número de vendas em um dia fim-de-semana foi: 
227
O número médio de vendas em um dia fim-de-semana é: 
133.74

Número de itens médios vendidos por cada pedido¶

O número médio de itens vendidos por tipo de dia da semana é: 
  Tipo de dia  Média
1         FDS   2.84
0         DDS   2.65

Itens vendidos por tipo de dia¶

Número de itens vendidos por dia da semana¶

Ranking de dias por venda de itens¶

O gráfico abaixo representa a distribuição da tabela acima, ranking das vendas por dia.

Utilizando-se um algoritmo podemos inferir que as vendas podem ser dividias em quartis e que o Farina in Natura apresenta a seguinte distribuição:

Os 25% final do Ranking são dias que tem vendas até 62,25 de itens vendidos, os 50% inferiores do ranking tem dias que vendem até 84 itens, sendo esse valor também a mediana, os 75% dos dias da parte de baixo do ranking vendem até 114 itens, e os 25% do topo dos dias temos vendas entre 115 e 190 itens.

Valores acima desses são considerados outliers, ou fora da curva.

Distribuição de vendas por hora do dia¶

A seguir temos um gráfico de distribuição das vendas por hora do dia, que segue a seguinte lógica, 25% das primeiras vendas se dá das 6 às 11 da manhã, os próximos 25% das vendas acontece entre 11 e 16 horas, o terceiro quarto das vendas ocorre entre as 16 e 18 horas, e os últimos 25% das vendas do dia se dá das 18 as 21 horas.

Itens vendidos por dia da semana

Distribuição de vendas por dia da semana e hora do dia¶

Detalhamento do porcentual das vendas pelo periodo do dia¶

Com base nos números de vendas fornecidos, pode-se concluir que as horas de pico para vendas ocorrem entre as 16h e as 20h, com o horário mais lucrativo das 17h às 18h, com um percentual de vendas de 14,3%.

Os horários de pico anteriores são das 15h às 16h, com 5,38% de vendas, seguidos das 19h às 20h, com 10,41% de vendas. A segunda hora mais lucrativa é das 18h às 19h, com 12,57% de vendas.

Os horários de vendas mais baixos ocorrem entre as 6h e as 8h, com menos de 3% de vendas durante esses horários. O horário menos lucrativo é das 21h às 22h, com apenas 1,14% de vendas.

Sugestões¶

Portanto, se o objetivo é maximizar as vendas, seria aconselhável para a empresa aumentar seus recursos (produtos e funcionários) durante os horários de pico, especialmente das 16h às 20h. Além disso, a empresa pode considerar reduzir as horas de operação durante os horários de menor venda(das 06 as 8 horas e depois das vinte uma horas), ou ajustar a oferta de produtos e serviços de acordo com a demanda.

Quantidade de itens vendidos por dia da semana e período¶

Vemos uma clara diferenciação entre o final de semana e os dias da semana: durante a semana, quase os dobros da venda a noite em relação a manhã e tarde. No sábado vemos um aumento significativo das vendas, principalmente pela manhã, que chega bem perto do período noturno. Já no Domingo há uma inversão completa, o período da manhã é o que apresenta a maior quantidade de vendas, apesar de termos um acréscimo do período da noite em relação aos dias de semana.

Analise das vendas, combinação dos itens na preferência do cliente

Para finalizarmos nossa análise, utilizaremos o algoritmo Apriori.

Queremos aumentar o número de itens vendidos de uma maneira que incentive itens que, caso contrário, não seriam comprados. Devemos levar em conta as variáveis que sabemos que alteram a forma como os clientes interagem conosco (ou seja, hora do dia e dia da semana). O resultado final deve fornecer uma direção clara sobre como agir, por que esse curso de ação é desejável e não deve ser muito confuso para o cliente nem muito complexo para um operador.

A compra de qual item leva à compra de quais outros itens? O algoritmo “Apriori” é capaz de responder isso.

Apriori Algorithm¶

O algoritmo “Apriori” nos ajudará a fazer a combinação de itens a serem vendidos em conjunto. Utilizamos a métrica do SUPORTE para acharmos os itens que são mais vendidos. O SUPORTE é calculado dividindo a quantidade de itens vendidos de um determinado produto pela quantidade de todos os itens vendidos. Por exemplo no caso da Farina In Natura, o item que possui o maior SUPORTE é o croissant(0,2063). O algoritmo fara uma combinação dos itens que tem maior SUPORTE com os de menor SUPORTE. Para isso utilizará as métrica da CONFIANÇA e INCREMENTO.

A CONFIANÇA nos dá a probabilidade de o consequente estar presente em uma transação, dado que o antecedente já está presente. Os valores de confiança variam entre 0 e 1. Um valor de confiança próximo a 1 sugere uma forte relação entre antecedente e consequente, enquanto um valor próximo a 0 indica uma relação fraca.

A métrica INCREMENTO é uma medida usada para avaliar a qualidade das regras de associação geradas pelo algoritmo “Apriori”. Ela ajuda a determinar se a relação entre o antecedente e o consequente em uma regra Antecedente->Consequente é significativa ou se ocorre apenas por acaso. Métricas de INCREMENTO maior que 1, nos dizem que antecedentes e consequentes ocorrem juntos mais frequentemente do que esperaríamos se fossem estatisticamente independentes. Ou seja quanto maior o valor do INCREMENTO maior a dependência deles

Na tabela abaixo vemos combinações de itens propostas pelo algoritmo com base nessas métricas e na ordem de decrescente da métrica Incremento.

Esta tabela apresenta regras de associação geradas a partir dos dados de fornecidos pela gerência da Farina. Cada linha representa uma regra de associação entre um antecedente (produto comprado) e um consequente (produto também comprado). A tabela fornece informações sobre suporte do antecedente (proporção de transações contendo o antecedente), suporte do consequente (proporção de transações contendo o consequente), SUPORTE (proporção de transações contendo tanto o antecedente quanto o consequente), CONFIANÇA (probabilidade condicional do consequente dado o antecedente), INCREMENTO (razão do suporte observado para o suporte esperado se antecedente e consequente forem independentes).

Por exemplo, a primeira linha mostra que o antecedente é CROISSANT e o consequente é COCA COLA LATA 350 ML. O suporte do antecedente é 0,206342, o que significa que 20,63% das transações incluem um croissant. O suporte do consequente é 0,036524, o que significa que 3,65% das transações incluem uma lata de 350 ml de Coca Cola. O suporte é 0,009982, o que significa que 0,998% das transações incluem tanto um croissant quanto uma lata de 350 ml de Coca Cola. A confiança é 0,048378, o que significa que há 4,84% de chance de um cliente comprar uma lata de 350 ml de Coca Cola dado que comprou um croissant. O INCREMENTO é 1,324559, indicando que a probabilidade de comprar um croissant e uma lata de 350 ml de Coca Cola juntos é 32,46% maior do que se os dois produtos fossem comprados independentemente.

Podemos utilizar as métricas para fazermos as nossas próprias combinações de acordo com o item que queremos aumentar o nível de vendas. Por exemplo, um item que tenha ainda um suporte baixo mas que tenha uma margem de lucro maior.

As seguintes associações podem ser ofertadas:

CROISSANT - ADICIONAL DE PRESUNTO | 0.007634 CROISSANT - CAFE COLMEIA C/ LEITE G 200ML | 0.010452 CROISSANT - ADICIONAL DE MUSSARELA | 0.011274 PASTEL DE NATA 60G - AGUA MINERAL C/GAS 500ML | 0.023605 PASTEL DE NATA 60G - QUICHE DE TOMATE SECO SALADA | 0.025484

Observações finais e sugestões aos gestores

Principais descobertas

  • Houve uma divergência nos dados de vendas de itens e faturamento, causada pela falta de entrada dos dados relacionados ao recheio do croissant.
  • O estabelecimento vendeu 212 itens diferentes, com uma média de 2,79 itens por venda.
  • As vendas variaram significativamente ao longo do dia e da semana, com picos nos finais de semana e períodos noturnos.
  • Foram identificados pontos de atenção nos gráficos de vendas, como dias com vendas muito altas ou baixas, que podem precisar de análise mais aprofundada.
  • A análise do algoritmo Apriori revelou combinações de itens com alto suporte, confiança e incremento, sugerindo possíveis promoções e estratégias para aumentar as vendas de itens menos populares.

Sugestões aos gestores

  • Treinar funcionários para inserir os pedidos de forma mais detalhada, evitando a falta de dados.
  • Rever o horário de funcionamento da loja, considerando os períodos de menor movimento (primeira hora da manhã e após as 21h).
  • Implementar promoções e combos de produtos, com base nos resultados do algoritmo Apriori, para aumentar as vendas de itens menos populares, especialmente durante os horários de baixo movimento.
  • Realizar análises periódicas dos dados de vendas para identificar tendências, oportunidades e possíveis problemas operacionais.

Com base nessas descobertas e sugestões, os gestores do estabelecimento Farina in Natura podem tomar decisões informadas e eficientes para melhorar suas operações, aumentar as vendas e a satisfação dos clientes.